首頁?行業  »   醫療  »   正文

AI可判斷并預測結核病患者是否對普通藥物具有耐藥性

AI可判斷并預測結核病患者是否對普通藥物具有耐藥性

根據美國疾病控制和預防中心的數據,結核病(TB)是世界上最為致命的疾病之一。2017年有近1000萬人感染了這種疾病,其中130萬人死于結核病。更糟糕的是,導致結核病的細菌由于能夠對某些藥物產生耐藥性而難以定位。

哈佛醫學院Blavatnik研究所的研究人員設計了一種算法,能夠檢測出治療前人體對常用結核病藥物的耐藥性。在實驗中,他們設法在十分之一秒內準確預測菌株對10種一線和二線藥物的耐藥性,并且比同類藥物更精確。

該方法將被添加到哈佛醫學院的genTB工具中,可分析結核病數據并預測結核病耐藥性。

哈佛醫學院助理教授Maha Farhat表示,“耐藥的結核病很難被發現,難以治療,預示著患者的預后不良。在診斷時快速檢測出完整的耐藥性的能力,對改善個體患者的預后和減少感染的傳播至關重要。”

Farhat解釋說,在每年診斷出的數百萬新結核病例中,大約4%對至少兩種藥物有抗藥性,十分之一的患者對多種藥物有抗藥性。藥物敏感性檢測設備在發展中國家很難獲得,即使在裝備精良的實驗室中,也需要數周才能驗證結果。掃描樣品DNA抗性基因的較新檢查也有其局限性,至于全基因組測序測試,它們在檢測對二線藥物的耐藥性方面表現不佳。

相比之下,研究人員的方法利用機器學習算法來捕捉多個突變的影響。它包含兩個模型:統計模型和wide-and-deep系統,該系統將每個突變編碼為一個變量,該變量要么產生耐藥性,要么完全沒有。

“我們的目標是開發一種神經網絡模型,神經網絡交織兩種形式的機器學習,以確定遺傳變異對抗生素抗性的綜合影響。”

AI可判斷并預測結核病患者是否對普通藥物具有耐藥性

這兩個AI系統接受了對一線和二線藥物耐藥的3601個TB菌株的訓練,包括1228個多藥耐藥菌株,其藥物敏感性檢測結果。為了測試它們的性能,團隊從792個完全測序的TB基因組的測試語料庫中提取樣本。

統計模型對一線和二線藥物的耐藥性的預測準確度分別為94%和88%,而wide-and-deep系統預測準確度分別為94%和90%。兩種模型都能夠在十分之一秒內預測一線和二線治療的耐藥性,而后一種模型顯示出預測極其罕見的基因突變影響的能力。

研究人員聲稱,如果將其納入臨床試驗,這些模型可以使藥物耐藥性檢測更快,更準確。

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論